[發明專利]一種融合多源異構信息的個性化推薦方法及系統

在審

• 申請號: 201810266506.5
• 申請日: 2018-03-28
• 公開（公告）號: CN108595527A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 胡建國;晏斌;李凱詳
• 申請（專利權）人: 中山大學;廣州搏創信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 佛山幫專知識產權代理事務所(普通合伙) 44387
• 代理人: 顏春艷

本發明公開了一種融合多源異構信息的個性化推薦方法及系統，其中，所述個性化推薦方法包括：采集用戶行為記錄信息，所述用戶行為記錄信息包括不限于系統中記錄用戶對項目的各種行為和所述各種行為發生時間、發生地點和存儲至數據庫；對用戶對項目的各種行為按照不同權重進行線性加權轉換處理，獲取用戶對項目的隱式反饋；根據用戶對項目的隱式反饋進行交互矩陣構建處理，獲取用戶項目交互矩陣；根據用戶項目交互矩陣構建個性化推薦模型，并獲取向用戶推薦的對應項目。在本發明實施例中，可以有效的緩解數據協同過濾中存在的數據稀釋問題和冷啟動問題，能根據用戶的具體情況向用戶推薦合適的項目，有效的提高用戶的使用友好體驗。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種融合多源異構信息的個性化推薦方法及系統。

背景技術

信息推送是通過一定的技術標準或協議，在互聯網上通過定期傳送用戶需要的信息來減少信息過載的一項新技術；推送技術通過自動傳送信息給用戶，來減少用于網絡上搜索的時間；它根據用戶的興趣來搜索、過濾信息，并將其定期推給用戶，幫助用戶高效率地發掘有價值的信息；從技術而言，信息推送是一項以數據挖掘、自然語言處理及互聯網等多門技術為基礎的綜合性方向；將合適的信息推送給合適的人，是一項極具挑戰的工作，這個過程需要對信息作充分的分析。

現有的推薦技術通過項目相似度等技術手段向用戶推薦多個與某個項目相似度較高的項目，然后某個項目是用戶偶然瀏覽到的或者很好購買或使用的項目，在用戶購買或使用一次之后，較長時間內不會再次進行購買或者使用時，采用這樣的推薦方式，會使得用戶感覺到煩躁和厭煩，因此需要根據用戶的實際情況制定相應的個性化推薦方式向用戶推薦相應的項目。

發明內容

本發明的目的在于克服現有技術的不足，本發明提供了一種融合多源異構信息的個性化推薦方法及系統，能根據用戶的具體情況向用戶推薦合適的項目，有效的提高用戶的使用友好體驗。

為了解決上述技術問題，本發明實施例提供了一種融合多源異構信息的個性化推薦方法，所述個性化推薦方法包括：

采集用戶行為記錄信息，所述用戶行為記錄信息包括不限于系統中記錄用戶對項目的各種行為和所述各種行為發生時間、發生地點和存儲至數據庫；

對用戶對項目的各種行為按照不同權重進行線性加權轉換處理，獲取用戶對項目的隱式反饋；

根據用戶對項目的隱式反饋進行交互矩陣構建處理，獲取用戶項目交互矩陣；

根據用戶項目交互矩陣構建個性化推薦模型，并獲取向用戶推薦的對應項目。

優選地，所述用戶對項目的各種行為至少包括瀏覽、收藏、加入購物車、購買、評分、評論中的一種或多種的組合。

優選地，所述用戶對項目的隱式反饋為用戶對項目的性趣值。

優選地，所述根據用戶對項目的隱式反饋進行交互矩陣構建處理，包括：

根據用戶對項目的隱式反饋獲取用戶對項目的性趣值；

根據用戶、項目、性趣值三個元素構建交互矩陣，獲取用戶項目交互矩陣。

優選地，所述根據用戶項目交互矩陣構建個性化推薦模型，包括：

構建初始個性化推薦模型；

確定初始個性化推薦模型的目標函數；

構建協同降噪自編碼模型；

采用協同降噪自編碼模型對初始個性化推薦模型進行訓練，獲取個性化推薦模型。

優選地，所述構建協同降噪自編碼模型包括：輸入層、隱藏層和輸出層；其中，

輸入層由損壞的用戶評分向量與用戶輔助信息向量組成；